Grenzen der audiovisuellen Auswertbarkeit von Aufnahmen von Atem- und Atemnebengeräuschen bei Patient*innen und Gesunden mittels des LEOSound
Loading...
Files
Date
Authors
Publisher
Philipps-Universität Marburg
Abstract
Einleitung
Im Gesundheitswesen besteht das Interesse ein Gerät zum Screening von Atem- und
Atemnebengeräuschen zu entwickeln, welches bereits im Rettungswagen zur
Differenzierung einer akut dekompensierten LHI und einer akut exazerbierten COPD
eingesetzt werden kann. Im klinischen Setting wird zum Therapiemonitoring von
Patient*innen mit chronischen oder akuten Lungenerkrankungen bereits der LEOSound,
ein lungenspezifisches Aufnahmegerät, eingesetzt. Inwiefern bestimmte Frequenzbereiche
und Lautstärkepegel die Aufnahmen des LEOSound und deren Auswertbarkeit
einschränken, ist bisher noch nicht untersucht worden und wird im ersten Teil dieser
Arbeit betrachtet. Neben der Atmung können auch Atemnebengeräusche aufgezeichnet
und teilweise automatisch analysiert werden. Für Crackles hat sich jedoch noch keine
Software durchgesetzt, weshalb Aufzeichnungen weiterhin audiovisuell ausgewertet
werden. Wie stark Patient*innen mit akut exazerbierter COPD oder dekompensierter LHI
cracklen und ob diese nur bei Kranken vorkommen, ist bisher nur wenig untersucht
worden. Im zweiten Teil der Arbeit wird ein Crackle-Index als quantitatives Merkmal für die
Cracklehäufigkeit bei diesen Patient*innen und Gesunden berechnet und miteinander
verglichen.
Material und Methoden
Die 14-minütigen Aufnahmen erfolgten mit dem LEOSound, unterteilt in eine Ruhephase
und eine Phase mit Störgeräuschen, die im Hintergrund abgespielt wurden. Für die
Detektion der Atem- und Atemnebengeräuschen lag der Fokus darauf, ob das zu
untersuchende Geräusch in jeder Epoche (30 Sekunden) zu hören und/oder zu sehen war.
Konnte ein Atemsignal oder konnten Crackles in ≥ 50% einer Epoche erkannt werden,
wurde diese als positiv bewertet und getrennt nach Ruhe und Störgeräuschen
aufsummiert. Für die Berechnung des Crackle-Indexes, als Maß für die Crackleintensität
einer Aufnahme, wurde nur die Ruhephase herangezogen. Konnten in ≥50% der
betrachteten Epoche Crackles audiovisuell erkannt werden, so wurde diese Epoche als
positiv bewertet. Die Summe aller Crackle-positiven Epochen einer Aufnahme, dividiert
durch 14 Epochen, ergab den “Crackle-Index”.
56
Ergebnisse
Die Detektion der Atmung in Ruhe war bei allen Teilnehmenden die gesamte Zeit möglich.
Während der Störgeräusche lag die Detektion bei 18/19 Aufnahmen bei den Patient*innen
weiterhin bei 100%. In der Gruppe der Gesunden konnte die Atmung bei 33/41 Aufnahmen
durchweg erkannt werden. Mit Hilfe des Wilcoxon-Tests konnte gezeigt werden, dass es
keinen signifikanten Unterschied bei der Atemdetektion der Kranken (alle Patient*innen
zusammen) in Ruhe versus Störgeräusche gibt (p = 0,37), bei den Gesunden hingegen
schon (p = 0,01). Crackles konnten während der Ruhephase bei den Gesunden in 11/40
Aufnahmen, bei den Patient*innen mit COPD in 14/18 und bei denen mit LHI in 12/18
Aufnahmen erkannt werden. Während der Störgeräusche gab es in allen Gruppen weniger
Crackle-positive Aufnahmen (Gesund: 9/40; COPD: 9/18; LHI: 9/18). Bezüglich der Crackleintensität konnte mit Hilfe des Kruskal-Wallis-Tests gezeigt werden, dass es jeweils einen
statistisch relevanten Unterschied zwischen den Crackle-Indizes der Gesunden und denen
der Patient*innen mit COPD (p = 0,00085) und LHI (p = 0,0042) gibt. Die Crackle-Indizes der
Patient*innen zeigten jedoch keinen signifikanten Unterschied zueinander (p = 0,63).
Diskussion
Die Erkennung der Atmung war während der Störgeräuschphase schlechter, verglichen mit
der Ruhephase. Die Bewertung der Atmung wurde vor allem von lauten und komplexen
Geräuschen mit einem großen Frequenzspektrum beeinträchtigt. Einzelne Störelemente,
wie das Piepen der Überwachungsgeräte oder ein Türknallen, schränkten meist nur den
auditiven Teil ein und die Atmung konnte weiterhin visuell verfolgt werden. Bei der
Cracklebewertung fiel auf, dass vorwiegend niederfrequente Crackles schwerer detektiert
wurden als hochfrequente Crackles. Erstere gingen im Grundrauschen oder den
Strömungsgeräuschen der Atmung unter und waren in der Spektraldarstellung schwerer
zu erkennen. Durch die Kombination aus visueller Darstellung und dem Hören verbesserte
sich die Erkennungsrate sowohl für Crackles, als auch für die Atmung. Da sich das
Crackleverhalten der akut erkrankten Patient*innen weniger ausgeprägt zeigte als
angenommen, konnte kein direkter Vergleich der Detektion zwischen Ruhe- und
Störgeräuschphase erfolgen. Bei Aufnahmen, die während der Störgeräusche als
„Crackle-negativ“ bewertet wurden, kann nicht mit Sicherheit gesagt werden, ob die Person
keine Crackles hat oder ob die Crackles, aufgrund der Störgeräusche, im LEOSound nicht
erkannt werden konnten.
Introduction
In the healthcare industry, there is interest in developing a device for screening normal and
adventitious breath sounds that can already be used in the ambulance to differentiate
between acute decompensated heart failure with reduced ejection fraction (HFrEF) and
acute exacerbated chronic obstructive pulmonary disease (COPD). In the clinical setting,
LEOSound, a lung-specific recording device, is already used for therapy monitoring of
patients with chronic or acute lung diseases. The extent to which certain frequency ranges
and volume levels limit the LEOSound recordings and their evaluability has not yet been
investigated and will be considered in the first part of this thesis. In addition to normal
breath sounds, adventitious breath sounds can also be recorded and partially analyzed
automatically. However, no software has yet become established for crackles, which is why
recordings continue to be evaluated audiovisually. The prevalence and occurrence of
crackles in patients with acute exacerbated COPD or decompensated HFrEF, and whether
this occurs only in sick patients, has been poorly investigated so far. In the second part of
this work, a crackle index is calculated as a quantitative characteristic of crackle frequency
and is compared between patients and healthy individuals.
Materials and Methods
The 14-minute recordings were made using the LEOSound device, divided into a silent
phase and a phase with background noise during the recordings. For the detection of
normal and adventitious breath sounds, the focus was on whether the sound could be
heard and/or seen in each epoch (30 seconds). If a breathing signal or crackles could be
detected in ≥ 50% of an epoch, it was considered positive and summed separately for the
“silent phase” and “noisy phase”. For the calculation of the crackle index, as a measure of
the crackle intensity of a recording, only the quiet phase was used. If crackles were
audiovisually detected in ≥ 50% of an analyzed epoch, that epoch was considered
crackle-positive. The sum of all crackle-positive epochs of a recording divided by 14 epochs
resulted in the "crackle index".
58
Results
The detection of respiration in the silent phase was possible for all participants the entire
time. During background noise, detection remained at 100% for 18/19 recordings within
the patients groups. In the “healthy group”, respiration could be consistently detected in
33/41 recordings. Using the Wilcoxon-test, it was shown that there was no significant
difference in respiration detection within the patients (all patients combined) at “silent
phase” versus “noisy phase” (p = 0.37). On the contrary, in the healthy group there was a
significant difference (p = 0.01).
Crackles could be detected during the “silent phase” in 11/40 recordings in the healthy
participants, in 14/18 in the patients with COPD and in 12/18 in those with HFrEF. During
noise, there were fewer crackle-positive recordings in all groups (Healthy: 9/40; COPD: 9/18;
HFrEF: 9/18). Regarding the crackle intensity, the Kruskal-Wallis-test showed that there was
a statistically relevant difference between the crackle indices of the healthy subjects and
those of the patients with COPD (p = 0.00085) and HFrEF (p = 0.0042). However, the crackle
indices of the patients did not show a significant difference between themselves (p = 0.63).
Discussion
The detection of breathing during the noisy phase was poorer compared to the silent
phase. Respiratory assessment was mainly affected by loud and complex noises with a
wide frequency spectrum. Single noise elements, such as the beeping of monitoring
devices or a door slam, mostly only limited the auditory part and breathing could still be
followed visually. In the crackle evaluation, it was noticeable that predominantly
low-frequency crackles were more difficult to detect than high-frequency crackles. The
former got masked by the background noise or flow noise of the respiration and were
more difficult to detect in the spectral representation. The combination of visual
representation and listening improved the detection rate for both crackles and respiration.
Since the crackle behavior of the acutely ill patients was less pronounced than expected, no
direct comparison of detection between the silent and noisy phases could be made. In the
case of recordings that were rated as "crackle-negative" during the noisy phase, it cannot
be said with certainty whether the person has no crackles or whether the crackles simply
could not be detected in the LEOSound due to the noise.